当AI从技术验证走向真实业务，企业面对的问题也在发生变化。模型能力越来越强、工具越来越多，但如何找到真正值得解决的问题？如何让AI进入业务流程，而不只是停留在工具层面？又由谁来连接技术、业务与组织，并最终对结果负责？FDE(Forward Deployed Engineer，前线部署工程师)因此开始受到越来越多关注。
近日，科锐国际（300662）CIO于鹏受邀做客钛媒体直播间，结合科锐国际（300662）自身的AI实践和一线人才市场观察，分享了他对于FDE的判断与洞察。
重新认识FDE
从“交付系统”到“交付结果”
Q：FDE到底是什么？真正交付的是什么？
于鹏从我自身的经历来看，大概在19年前，我可能就在扮演一个“古早”的FDE角色。那个时候还没有大模型，很多软件公司其实在做类似的事情：将技术输送到企业一线，解决真实业务问题，并在这个过程中积累知识和方法，沉淀出新的产品。
到了AI时代，这件事正在发生新的变化。
从人力资源的视角来看，未来企业要完成一个商业目标，调用的资源会越来越多元：一部分来自内部员工和外部人才，一部分来自AI和数字员工。而FDE要做的，就是进入企业内部，帮助企业找到那些价值最高的问题，借助最新的技术和成熟的工具，稳定地交付结果，同时沉淀企业知识，让下一次的交付更高效、更具性价比，最终形成规模化能力。
所以在我看来，FDE可能不仅仅是一个岗位，更是一种连接技术、业务和组织，并最终创造经营结果的能力。
Q：和过去的软件工程师、咨询顾问相比，FDE新在哪里？
于鹏最大的区别，是对“结果”的定义变了。过去软件时代，更多交付的是一个可运行的产品，系统上线了、功能可以使用，项目可能就完成了，但服务方未必直接对最终业务价值负责。
FDE不一样。无论是乙方的FDE还是客户内部团队，都要共同对最终的结果负责。这些结果体现在各种更新后的业务指标上，不再是过去的日活、月活，而是真正的任务完成率、成功率、效率等一系列业务指标。
FDE如何进入企业？
聊聊人、组织与价值
Q：从你们观察到的项目来看，成功的FDE项目有哪些共性？
于鹏要把业务、组织和技术整合起来。科锐国际（300662）的自身实践也是如此。CTO团队是技术主力，但真正让AI进入组织，是CEO作为一号位的亲自推动。
CEO组织了所有中高层以及业务和技术团队一起开展工作坊，讨论AI进入组织之后，原来的工作、流程和岗位应该发生什么变化；同时成立不同的小型团队，针对具体业务场景进行拆解和实践。
在多年业务数据积累，以及模型训练和AI架构持续演进的基础上，这些业务经验逐步沉淀到我们的AI招聘产品中，目前已经应用于人才搜索匹配、人才地图、产业研究等场景，并在AI、生物制药、半导体（881121）、智能硬件等领域持续实践。
Q：FDE通常会涉及Echo和Delta两类角色，哪个更难？
于鹏我认为未来Echo的要求会越来越高。很多企业都想招一个全才：既懂技术，又懂业务；既能和客户沟通，又能定义组织绩效指标、梳理流程、推动跨部门协作。但从实际人才筛选和项目观察来看，这样的人并不多。
尤其是客户沟通、业务理解、组织协同和问题定义等能力，往往需要大量真实项目的历练。与此同时，随着Coding Agent越来越成熟，技术开发和交付效率还会持续提高。
所以更现实的方式，是形成两类角色的组合：Echo偏业务和组织，解决“为什么做”和“做什么”；Delta偏技术落地，解决“怎么做”。
真正成熟的FDE能力，未必集中在一个“超级个体”身上，而可能来自一个紧密协作的小团队。
Q：国内FDE的薪酬水平如何？
于鹏不同企业、不同能力层级之间有所差异。从科锐国际（300662）一线顾问接触到企业实际招聘需求来看，中级FDE年薪大概在60万到80万，高级的在80万到120万，一些拥有大厂经验、做过从0到1的Agent项目并真正拿到业务结果的稀缺人才，可能接近150万。
Q：FDE应该向谁汇报？
于鹏这取决于企业希望解决什么问题。如果是AI原生组织转型，FDE通常需要更靠近CEO，因为需要改变的不只是技术，更重要的是组织、流程和岗位；如果是解决具体业务问题，则更适合靠近业务一号位，对业务结果负责。
科锐国际自己的技术团队也在发生变化：
第一类，产品、设计和运营向前延伸，更多承担Echo的能力，与业务团队一起重新理解组织、流程和岗位；
第二类，开发人员向全栈工程师转型，配合业务需求，在更短周期（883436）内完成工程化产品交付；
第三类，传统测试工作也在发生变化，从测试一个确定性的软件功能，转向构建评估集，持续判断AI到底有没有带来更好的结果。
Q：企业如何衡量FDE和AI项目的价值？
于鹏对于我们来说，目标不是简单的降本增效，而是拿到真正的业务结果。
以人才服务为例，AI可以承担更多重复性、执行性的工作，让顾问把更多时间花在与候选人和客户的深入沟通上。
我们也会和顾问一起拆解：哪些工作不应该继续由人来做，哪些适合AI，哪些通过人机结合能够做得更好。
所以AI融入业务，不只是接管一部分工作，也是在放大人的能力。它既要对企业有价值，也要对员工有价值。
FDE的未来
它会把企业带向哪里？
Q：国内外的FDE团队和模式，在实践和观察上是否存在差距？
于鹏海外的SaaS生态和AI生态更成熟，很多企业在信息化数字化过程中已经将数据规范化、标准化，流程也很顺畅，AI能借助成熟系统发挥更大作用。
中国企业存在更多遗留系统和复杂流程，不一定完全复制海外路径。通过相对轻量的Agent先进入业务、总结经验，再连接原有系统，可能是一条更快拿到结果的路径。
但从长期来看，本体(Ontology)为底座的知识沉淀，决定AI能不能让推理的可靠性和一致性更“好”，是规模化落地的地基；Skill体系、调用策略与上下文管理的迭代优化，决定AI能不能“省”Token，是成本可控的关键。
Q：如何看待FDE岗位的生命周期（883436）？会随着AI能力增强而消失吗？
于鹏我更倾向于认为，FDE更可能是一种运营模式，而不是一个固定岗位。
随着Coding Agent等工具越来越成熟，Delta的技术交付效率会越来越高；但理解隐性知识、找到高价值问题、推动跨部门协作，依然需要人与人的深度沟通。因此，Echo这类连接业务、组织与技术的能力，要求反而可能越来越高。
在我看来，一个真正有效的FDE项目，最终要完成三件事：说得通——找到真正值得解决的问题；做得出——把技术转化为真实的业务结果；待得住——让能力真正留在企业和组织里。
